Cyber-Twin：数字孪生增强的车载自组织网络自主攻击检测

车载自组织网络（VANETs）的快速演进为智能交通系统（ITS）开创了一个变革时代，显著提升了道路安全和车辆通信。然而，VANETs 复杂且动态的特性带来了巨大挑战，尤其是在车与基础设施（V2I）通信方面。作为 VANETs 不可或缺的组成部分，路侧单元（RSUs）越来越容易受到网络攻击，例如干扰攻击和分布式拒绝服务（DDoS）攻击。这些漏洞对道路安全构成严重风险，可能导致交通拥堵和车辆故障。现有方法在检测动态攻击以及集成数字孪生技术和人工智能（AI）模型以增强 VANET 网络安全方面面临困难。我们的研究提出了一种新颖的框架，将数字孪生技术与 AI 相结合，以增强 VANETs 中 RSUs 的安全性，并填补这一空白。该框架能够实现实时监控和高效的威胁检测，同时提高计算效率并减少数据传输延迟，从而提升能效和硬件耐久性。我们的框架在资源管理和攻击检测方面优于现有解决方案。它降低了 RSU 负载和数据传输延迟，同时在资源消耗和高攻击检测有效性之间实现了最佳平衡。这凸显了我们对为智慧城市构建安全且可持续的车辆通信系统的承诺。